|
|
現今無論在任何領域，資料都逐漸地變大，你該如何有效率的對他們進行處理?此書介紹了Apache Spark，一個開放原始碼叢集運算系統。它使資料可以更快速的寫入以及執行。藉由Spark，你可以透過簡易的Pyhon,Java,或是Scala的API進行快速的大量資料處理。
此書為Spark的開發者親自撰寫，可以讓資料科學家以及工程師立即應用書中的知識展開工作。讀者將學會如何透過數行的程式碼進行一個平行處理的工作。本書涵蓋了基礎的批次工作到串流處理以及機器學習等相關的應用。
．讓讀者可以快速地了解Spark，例如：分散式資料集、記憶體快取、以及交互式介面等。
．利用Spark內建的強大資料庫，包含Spark SQL、Spark Streaming以及MLib。
．使用一個Spark程式框架即可取代混合多種工具如Hive、Hadoop、Mahout以及Strom。
．學習透過Spark進行交互式、批次、以及串流式的應用程式開發
．與諸多資料來源進行連接，包含HDFS、HIVE、JSON以及S3
．學習資料切割以及共享變數等進階議題
“本書是我在大數據處理應用程式指南推薦書單中的第一名” --Ben. Lorica資料科學家主席, O’Reilly Media
作者簡介
Holden Karau
Holden Karau任職於Databricks的軟體開發工程師，活耀於開放原始碼專案，同時也是《Fast Data Processing with Spark》(Packt 出版社)的作者
Andy Konwinski
Andy Konwinski是Databricks的共同創辦人，Apache Spark的提交者。同時也是Apache Mesos專案的共同建立人
Patrick Wendell
Patrick Wendell是Databricks的共同創辦人，Apache Spark的提交者。他也維護許多Spark核心引擎的子專案。
Matei Zaharia
Matei Zaharia是Databricks的CTO以及Apache Spark的建立人，他也因為此專案名列Apache副董事
Chapter 1 Spark 資料分析導論
Chapter 2 下載及開始使用 Spark
Chapter 3 RDD程式撰寫
Chapter 4 鍵值對 RDD 操作
Chapter 5 存取資料
Chapter 6 進階 Spar k程式撰寫
Chapter 7 在叢集執行 Spark
Chapter 8 Spark 調校與除錯
Chapter 9 Spark SQL
Chapter 10 Spark streaming
Chapter 11 MLlib 機器學習函式庫
